我写个懒人包好了
1. 微信id: almosthuman2014 的看法
AlphaStar (AS) 虽然限制了APM，但AS在同样的APM限制下，
有效APM (Effective APM) 比人类高很多。
除此之外，即便纯看APM，职业选手 Serral 维持 800 APM 1秒钟已经超强，
但是 AS 可以做到 1000+ APM 持续5秒。
所以这个微信作者认为DeepMind解说人员讲述“AS如何能够完成人类可以做的事情”的
过程非常粗糙。为什么 DeepMind 允许 AS 拥有超人的操作能力？
DeepMind里面肯定有人看得出操作太强。那为什么不给予更强的APM限制？
作者认为应该是因为有某些因素造成如果不放宽APM限制这实验会做不下去
所以他觉得这场live show 公关的意味浓厚，甚至有误导的嫌疑
2. FB 机器学习科学家 田渊栋 的看法
田主要是讲了些 reinforcement learning 上与 AS 相关的知识 (我也不是很懂)。
相较于围棋这种资讯完全透明的比赛，SC2的临时建模和分析会比较没那么容易。
目前 reinforcement learning 有相当多没解决的问题，
可以说他有很大的侷限性，但也可以说他潜力巨大。
就现在SC2的情况来说，人类在全域战略上的悠化效率比AS高很多，
比如说一句“做两个凤凰去打那个来空投的Prism”，可能等于AS自己对战几天几夜
这个效率的差距(可能是指数级的)是否可以用大量计算资源去填补，
会是和顶尖高手对橘胜败的关键

所以这是用类似MarI/O的方法做的吗?

我朋友说左右两边的追猎是不可能同时顺移的

就是即使限制电脑apm跟人类差不多 其实还是差很多因为那1.200apm当中人类有很多无效的没意义的动作但AI 的1.200apm里面几乎都是有效的动作星海使用地域编队跟设定快捷键之后 你可以借由快速的切换操作 提高你的手速 但实际上 很多动作没意义

上篇有个矛盾点，一下说AS没有无效点击，一下又说AS忘不掉跟人类学来的无效点击

应该要有个队伍做个指令脚本加速器外挂来嘲讽AI队的

第一段的原作者应为Aleksi Pietikäinen，微信作者是翻译